Operational Issueから改善戦略を選択する

あるサービスでは必要なメトリクスとログがすでに収集されており、ダッシュボードを確認すれば重大な異常を即座に判断できる。しかし担当者がダッシュボードを開くまで異常に気付けず、夜間の対応開始が遅れている。将来的には復旧処理の自動化も検討している。最初に不足している運用能力として最も適切なものはどれか。

複数のサーバーで手作業による設定変更が繰り返され、その構成差が原因で毎月障害が発生している。障害発生後は正確に通知され、担当者が検証済みの同じ修復操作を実施している。運用チームは修復操作の完全自動化を提案している。最初に優先すべき改善はどれか。

あるシステムでは、大規模な本番リリースが失敗すると担当者が各サーバーへ緊急の手作業変更を行って復旧している。その変更が後から構成差として残り、次の障害原因にもなっている。運用チームは構成差の自動修正だけを導入する案を出している。再発を減らすための改善順序として最も適切なものはどれか。

障害発生時の復旧操作を自動化する計画がある。しかし現在は、通常の負荷上昇と障害状態を安定して区別できず、自動復旧後に正常状態へ戻ったことを確認する指標も存在しない。最初に行うべき改善はどれか。

企業には地域障害向けの復旧設計、復旧手順、自動フェイルオーバー機能がある。通常の障害では監視と通知も正常に動作している。しかし、地域全体を失った状況を実際に想定したことがなく、復旧開始の判断、関係部署への連絡、業務再開の判断は実運用で確認されていない。次に必要な改善として最も適切なものはどれか。

あるシステムでは、障害を検出するための情報が不足しており、担当者への通知もなく、障害が判明した後は検証済みの同じ復旧作業を人が実施している。将来的に定型障害を自動復旧したい。改善の進め方として最も適切なものはどれか。